Přehled kvantitativních metod v CFA úrovni 1

Klíčová témata, na která se musíte zaměřit

1. Přehled předmětu

Kvantitativní metody je jedním z nejdůležitějších a základních předmětů v programu Chartered Financial Analyst Level I.

Tento předmět se hlavně zaměřuje na základní koncepty, jako jsou:

• Časová hodnota peněz
• Současná a budoucí hodnota peněžních toků
• Pravděpodobnost a statistika
• Testování hypotéz

Silné porozumění těmto tématům vám poskytne významnou výhodu při studiu pokročilejších předmětů, jako je oceňování aktiv a správa portfolia později v programu CFA.

I když je objem materiálu relativně velký, kvantitativní metody jsou často považovány za “předmět s vysokým skóre” protože:

• Koncepty nejsou příliš složité
• Mnoho otázek je založeno na výpočtech
• Je to zvlášť výhodné, pokud máte solidní matematické zázemí

Váha zkoušky: Přibližně 8–12% z zkoušky CFA Level I

2. Hlavní témata a důležité koncepty

Sekce kvantitativních metod obvykle zahrnuje několik modulů (poznámka: učební plán se může každý rok mírně měnit). Níže je strukturovaný přehled:

Modul 1: Časová hodnota peněz

• Pochopit úrokové sazby a jejich složky
• Vypočítat Efektivní roční sazbu (EAR)
• Ovládnout současnou hodnotu (PV) a budoucí hodnotu (FV) peněžních toků
• Efektivně používat finanční kalkulačku

Modul 2: Organizace, vizualizace a popis dat

• Typy a klasifikace dat
• Frekvenční rozdělení
• Kontingenční tabulky a matice záměn
• Techniky vizualizace dat
• Míry centrální tendence: průměr, medián, modus
• Aritmetický průměr vs geometrický průměr
• Kvantily a percentily
• Měření rozptylu: rozsah, variance, standardní odchylka
• Koeficient variability
• Šikmost a kurtóza
• Korelační koeficient

Modul 3: Koncepty pravděpodobnosti

• Náhodné proměnné a základy pravděpodobnosti
• Podmíněná vs nepodmíněná pravděpodobnost
• Pravidla sčítání a násobení
• Očekávaná hodnota, kovariance, korelace
• Aplikace v návratu portfolia a riziku
• Bayesova formule
• Faktoriály, permutace a kombinace

Modul 4: Běžné pravděpodobnostní rozdělení

• Diskrétní vs spojité náhodné proměnné
• Binomické rozdělení
• Rovnoměrné rozdělení
• Normální rozdělení
• Lognormální rozdělení
• Riziko nedostatku a Royovo kritérium bezpečnosti jako první
• Diskrétní vs spojité úročení
• Studentovo t-rozdělení, F-rozdělení
• Monte Carlo simulace

Modul 5: Odběr a odhad

• Metody náhodného vzorkování
• Chyba vzorkování a stratifikované vzorkování
• Centrální limitní věta
• Standardní chyba průměru
• Intervaly spolehlivosti
• Metody opětovného vzorkování (Bootstrap, Jackknife)
• Chyba vzorkování

Modul 6: Testování hypotéz

• Rámec testování hypotéz
• Nulové a alternativní hypotézy
• Jednostranné vs dvoustranné testy
• Chyby typu I a typu II
• Testová statistika a hladina významnosti
• Interpretace p-hodnoty
• Testování populačních parametrů (průměr, rozptyl atd.)

Modul 7: Úvod do lineární regrese

• Model jednoduché lineární regrese
• Závislé a nezávislé proměnné
• Regresní rovnice, sklon a průsečík
• Křížová sekce vs časová řada regrese
• Předpoklady regresních modelů
• Klíčové metriky: SST, RSS, SSE, R²
• Běžné hypotézové testy (F-test, t-test)
• Predikované hodnoty a intervaly spolehlivosti
• Rozšíření modelů lineární regrese